MiniMax M2.7 (229B MoE para código)
Despliega MiniMax M2.7 (229B MoE) en Clore.ai: la versión autoalojada de pesos abiertos detrás del impulso del agente de codificación de MiniMax, con despliegue de un solo nodo FP8 en H100/H200
MiniMax M2.7 es un modelo Mixture-of-Experts de 229 mil millones de parámetros (256 expertos, 8 activos por token) y la última entrada de la familia M2 de MiniMax — una línea construida alrededor de posentrenamiento autoevolutivo / impulsado por RL y codificación agéntica cargas de trabajo. La versión 2.7 es la contraparte pública y autoalojable del agente de codificación alojado de MiniMax y MiniMax la posiciona como competitiva con Claude Sonnet 4.5 en benchmarks agénticos, acercándose al territorio de Claude Opus 4.6 en algunos de ellos.
El detalle arquitectónico interesante es Pensamiento Intercalado (introducido en M2.1 y refinado en 2.5/2.7): el modelo alterna <think> bloques de razonamiento con generación normal a lo largo de llamadas a herramientas de múltiples turnos, por lo que la cadena de pensamiento sobrevive entre idas y vueltas de llamadas a funciones en lugar de descartarse en cada turno. Eso es lo que lo hace interesante para agentes de largo horizonte: el rastro de razonamiento no se reinicia cada vez que alcanzas un tool_use límite.
Para los usuarios de Clore.ai, la noticia práctica es que M2.7 se ofrece con un checkpoint FP8 (float8_e4m3fn) en el repositorio oficial. Eso hace que un despliegue en un solo nodo sea alcanzable en 4× H100 80GB o 2× H200 141 GB — no se necesitan octetos H200 ni racks de 16 GPU. Si has estado ejecutando GLM-5.1 y quieres un segundo modelo de pesos abiertos en tu pila de agentes con un perfil de sesgo diferente, este es el que debes combinar con él.
Especificaciones clave
Parámetros totales
229B (MoE, 256 expertos)
Expertos por token
8 de 256
Parámetros activos
No publicado oficialmente — ver ficha del modelo. La familia M2 históricamente ~10B activos; verifica antes de citarlo públicamente.
Tamaño oculto / capas
3,072 / 62
Atención
48 cabezas, 8 KV (GQA)
Ventana de contexto
204.800 tokens (200K)
Tipos de tensor
F32, BF16, F8_E4M3
MTP
Predicción de múltiples tokens habilitada (3 módulos MTP)
Licencia
MiniMax personalizado — no comercial por defecto
Fecha de lanzamiento
9 de abril de 2026
Descargas en HF (3 semanas)
~496 mil
Muestreo recomendado
temperature=1.0, top_p=0.95, top_k=40
Herramientas principales
vLLM, SGLang, Transformers, KTransformers, MLX-LM
¿Por qué MiniMax M2.7?
Pesos abiertos a 229B — el mayor modelo de codificación de pesos abiertos "real" que todavía cabe en un solo nodo 4×H100 en FP8
Pensamiento Intercalado —
<think>los bloques sobreviven entre turnos de llamadas a herramientas, lo cual es realmente útil para agentes de estilo SWEEnfoque de codificación multilingüe — MiniMax promociona un rendimiento sólido en Rust, Go, Java, Kotlin, Swift y TypeScript, no solo en Python
Señal de adopción — 496 mil descargas en tres semanas es la acogida comunitaria más fuerte de cualquier lanzamiento de pesos abiertos de abril de 2026 que hayamos seguido
Compatibilidad con MTP — la decodificación especulativa mediante módulos Multi-Token Prediction está integrada, lo que se traduce en rendimiento real en H100/H200
Alternativa alojada — si tu carga de trabajo supera un solo nodo, existe el endpoint alojado de MiniMax; no tienes que decidirlo en la arquitectura
Requisitos
VRAM de GPU
GPU de 24–48 GB + descarga parcial a RAM de 128 GB+
4× H100 80GB o 2× H200 141 GB
8× H100 80 GB / 4× H200 141 GB
VRAM total
~48 GB de GPU + descarga parcial
320 GB / 282 GB
640 GB / 564 GB
RAM
128GB
256GB
512GB
Disco
200 GB NVMe
400 GB NVMe
600 GB NVMe
CUDA
12.8+
12.8+
12.8+
Elección de Clore.ai: El checkpoint FP8 en 2× H200 es el objetivo de despliegue más limpio: divisiones tensoriales mínimas, menos saltos NCCL y las matemáticas para un contexto de 200K simplemente funcionan. 4× H100 es la alternativa más barata si el stock de H200 es ajustado.
Opción A — Ollama / GGUF (cuantizado)
Solo para uso aficionado. Para cargas de trabajo reales usa vLLM o SGLang contra el checkpoint FP8.
Opción B — vLLM (API de producción, recomendado)
vLLM es el objetivo de servicio de primera clase. El checkpoint FP8 oficial es el que debes usar: la misma calidad que BF16 con aproximadamente la mitad de la VRAM.
docker-compose.yml — 4× H100 80 GB
docker-compose.yml — 2× H200 141 GB
Reduce --tensor-parallel-size a 2 y aumenta --max-model-len para usar el margen:
Prueba rápida
Opción C — SGLang
El programador MoE de SGLang compite con vLLM en Hopper y a menudo gana en completions de codificación de contexto largo gracias a que la decodificación especulativa EAGLE se apila con los módulos MTP de M2.7.
Espera una mejora de rendimiento de ~1.5–2× sobre vLLM estándar en trazas de agente largas. Reduce --tp-size a 2 en H200.
Recomendaciones de GPU para Clore.ai
1× RTX 4090 24 GB + descarga parcial a RAM
24 GB + 128 GB
INT4 aficionado, ~5–10 tok/s
$0.14–0.42/h
4× H100 80 GB (FP8)
320GB
FP8 en producción, ~40–60 tok/s
~4,16 $/h
8× H100 80GB
640GB
BF16 completo, ~80+ tok/s
~8,32 $/h
Alquila las máquinas aquí:
H200 como bare metal — recomendado para el despliegue FP8 de 2× H200
Alquilar GPU H100 — para el despliegue FP8 de 4× H100
A100 80 GB como bare metal — alternativa BF16 multi-GPU
Alquilar RTX 4090 — solo para uso aficionado INT4
Marketplace — inventario completo, bajo demanda y pujas spot
Casos de uso
Agentes SWE multilingües — Rust, Go, Java, Kotlin, Swift y TypeScript reciben tratamiento de primera clase, no solo Python/JS
Bucles de llamadas a herramientas de largo horizonte — el Pensamiento Intercalado mantiene vivo el rastro de razonamiento a través de cientos de
tool_useidas y vueltasAuditorías de bases de código — el contexto de 200K cabe un servicio de tamaño medio junto con sus pruebas en un solo prompt
Canalizaciones de refactorización — corrección sostenida a través de muchas ediciones de archivos mediante los módulos MTP
Orquestación de agente de agentes — usa M2.7 como planificador junto con un modelo más pequeño (Qwen3.5, GLM-4.7-Flash) como trabajador
Alternativa autoalojada a Claude Sonnet/Opus para investigación de codificación no comercial — pero lee primero la licencia
Pruebas comparativas
SWE-Pro
56.22%
~55%
~57.3%
56.2%
VIBE-Pro
55.6%
—
~57%
—
Terminal Bench 2
57.0%
—
—
—
GDPval-AA (ELO)
1495
—
—
—
La formulación de MiniMax: M2.7 iguala o supera a Claude Sonnet 4.5 en la suite de codificación agéntica que les importa, y queda a pocos puntos de Claude Opus 4.6 en SWE-Pro / VIBE-Pro. Tómalo como una señal direccional, no como una clasificación cerrada: la brecha con los modelos cerrados de frontera se reduce en cada lanzamiento.
Familia MiniMax M2
M2
Oct 2025
Lanzamiento inicial de 229B MoE, codificación ajustada con RL
Referencia / histórico
M2.1
Dic 2025
Pensamiento Intercalado introducido
La versión más temprana que vale la pena ejecutar para agentes
M2.5
Feb 2026
Posentrenamiento RL autoevolutivo, contexto más largo
Buen modelo de codificación si tienes poco espacio en disco
M2.7
9 abr 2026
Codificación multilingüe refinada, MTP, FP8 oficial
Elección por defecto — usa esta
Si empiezas desde cero, salta las versiones anteriores y ve directamente a M2.7. Las diferencias arquitectónicas se acumulan y la ergonomía de FP8 es notablemente mejor.
Solución de problemas
OutOfMemoryError en la carga FP8
Necesita ~230 GB de VRAM. Usa 4× H100 80 GB o 2× H200 141 GB. Reduce --max-model-len a 32768 primero.
Descarga lenta de HuggingFace
huggingface-cli download MiniMaxAI/MiniMax-M2.7 --local-dir ./weights --resume-download. Espera ~230 GB FP8 / ~460 GB BF16.
Llamadas a herramientas descartadas silenciosamente
Establece --enable-auto-tool-choice --tool-call-parser hermes en vLLM. M2.7 usa etiquetas de herramientas estilo Hermes.
<think> bloques vacíos o corruptos
El muestreo debe ser temperature=1.0, top_p=0.95, top_k=40. La decodificación greedy rompe el Pensamiento Intercalado.
Errores de MTP / discrepancia de formas
Actualiza vLLM a la última versión estable; el soporte MTP llegó tarde y las compilaciones antiguas no incluyen los módulos.
OOM de contexto 200K en H100
Usa --enable-chunked-prefill y empieza en --max-model-len 65536. El 200K completo en realidad requiere H200.
Confusión de licencia
Por defecto = no comercial. Envía un correo a api@minimax.io con el asunto "M2.7 licensing" antes de cualquier uso en un producto de pago.
Siguientes pasos
Hermano de audio: MiniMax Speech — mismo proveedor, generación de audio/voz
Alternativa con licencia abierta: GLM-5.1 — 744B / 40B activos, licencia MIT, top SWE-Bench Pro
Alternativa de contexto masivo: DeepSeek V4 — 1M de contexto, multimodal
Opción agéntica más barata: GLM-4.7 Flash — cabe en un solo H100, MIT
Marketplace de Clore.ai: clore.ai/marketplace — H100/H200/A100 del mercado spot
Enlaces
LICENCIA de MiniMax M2.7 — leer antes de uso comercial
Última actualización
¿Te fue útil?